La semana pasada asistí a un evento de networking. No voy a decir cuál ni dónde, porque no se trata de señalar a nadie. Lo que sí puedo decir es que en menos de dos horas escuché la palabra «experto» aplicada a la inteligencia artificial unas quince veces. Quince. La mayoría de las veces, salía de la boca de personas que llevaban entre seis meses y un año usando herramientas como ChatGPT, que habían hecho algún curso online, que habían leído cuatro artículos y que tenían en su perfil de LinkedIn algo parecido a «AI Expert», «IA Strategist» o mi favorita, «Thought Leader en Inteligencia Artificial».
Me fui a casa con una mezcla de fastidio y genuina preocupación.
Porque yo llevo más de treinta años en el mundo de la tecnología. Tomé la decisión de crear Human-IA precisamente para pensar en serio sobre lo que la IA significa para las personas. Leo, experimento, entrevisto, me equivoco, corrijo. Llevo tiempo observando desde este puente. Y sin embargo, no me llamo experto en IA. No me lo llamo porque sería mentira. Y creo que la mentira, en este campo concreto y en este momento concreto, tiene consecuencias muy reales.
Déjame explicarte por qué.
La calculadora y el matemático
Cuando las calculadoras de bolsillo empezaron a aparecer masivamente en los años setenta, hubo un fenómeno curioso. Mucha gente que aprendía a usar la calculadora empezaba a creerse, de alguna forma, matemática. No lo decían así de claro, claro está. Pero el razonamiento implícito era ese: si la máquina me da el resultado, yo que sé manejar la máquina tengo algo del matemático. El instrumento prestaba su aura al usuario.
Los matemáticos de verdad observaban aquello con una mezcla de humor y alarma. No porque les molestara que la gente usara calculadoras — eran herramientas fantásticas, como sigue siéndolo hoy. Sino porque empezar a confundir «sé pulsar botones» con «entiendo lo que estoy calculando» tiene consecuencias. No inmediatas. No dramáticas. Pero reales.
Con la IA generativa está pasando algo parecido, pero amplificado por internet, por LinkedIn, por el ciclo de hype mediático y por el hecho de que las herramientas actuales son genuinamente impresionantes. Cuando ChatGPT te escribe un informe en treinta segundos, cuando Midjourney te genera una imagen que parece un óleo del siglo XVII, cuando Claude te ayuda a estructurar un argumento complejo… es difícil no sentir que estás tocando algo grande. Y ese asombro, que es legítimo y que yo mismo he sentido muchas veces, se convierte fácilmente en la ilusión de que entiendes cómo funciona lo que acabas de usar.
No funciona así. Y la diferencia importa.
El telar de Jacquard fue una revolución tecnológica que muchos operarios podían usar sin entender. Lo que no podían hacer, al menos no sin años de trabajo real, era diseñar el siguiente telar. Hoy cualquiera puede usar un modelo de lenguaje. Lo que no puede hacer cualquiera — aunque muchos finjan que sí — es entender sus limitaciones, sus sesgos, sus fallos sistémicos, sus implicaciones éticas, su arquitectura real. Eso requiere algo que tres semanas de ChatGPT no dan.
El coste real del ruido
Esto no sería especialmente grave si se quedara en el terreno de la vanidad personal. Cada cual se pone en su LinkedIn el título que quiere, y el mercado acabará poniendo a cada uno en su sitio. El problema es que no estamos hablando de vanidad inocua. Estamos hablando de decisiones con consecuencias económicas y humanas concretas.
He visto — y ya escribí sobre ello en más detalle en esta guía para identificar empresas cantamañanas de IA — cómo directivos toman decisiones de cientos de miles de euros basándose en presentaciones de alguien que lleva tres semanas usando una API. Empresas que implementan «soluciones de IA» que en realidad son una llamada a la API de OpenAI con una capa de pintura encima, vendidas como tecnología propietaria revolucionaria. Organizaciones que abandonan procesos humanos que funcionaban bien, convencidas por un «experto» de que la automatización lo haría mejor, y que descubren meses después que nadie había pensado en los casos extremos, en los sesgos, en la supervisión necesaria, en los fallos del sistema cuando los datos son ambiguos.
El daño no es solo económico. Hay algo más profundo. Cuando estos proyectos fallan — y fallan con bastante frecuencia cuando los lidera quien no sabe lo que hace — la conclusión que saca la organización no suele ser «elegimos mal al asesor». La conclusión suele ser «la IA no funciona». Y eso es un retroceso real en un campo donde el pensamiento crítico sobre la tecnología es precisamente lo que más falta hace.
El ruido de los falsos expertos no solo desperdicia dinero. Envenena el pozo.
La honestidad como postura radical
Hay algo que me parece extraño y a la vez esperanzador en este momento: decir «no sé» en el mundo de la IA se ha convertido en un gesto casi subversivo.
Pruébalo. La próxima vez que alguien te explique con total seguridad cómo funciona un modelo de lenguaje, cómo va a transformar tu sector, qué debes hacer exactamente con la IA en tu empresa… pregúntale algo concreto. No algo técnico y trampa. Algo sencillo: «¿Y cuándo esto falla, cómo falla?» o «¿Qué no puede hacer bien todavía?» Si la respuesta es fluida y honesta, estás ante alguien que sabe de lo que habla. Si la respuesta es más ruido brillante, ya sabes dónde estás.
Yo llevo tiempo con esta pregunta como filtro. Y el resultado es revelador.
Lo que he descubierto — y esto me parece más importante que cualquier herramienta o técnica — es que las personas y organizaciones más útiles en este campo no son las que más seguridad proyectan. Son las que más claramente distinguen lo que saben de lo que intuyen, lo que han probado de lo que han leído, lo que funciona en su contexto de lo que funciona en el papel. La incertidumbre honesta es mucho más valiosa que la certeza impostada.
Desde Human-IA llevamos tiempo preguntándonos si la IA nos hace más capaces o más dependientes. Una de las respuestas que más me convence es esta: depende de si la usas con criterio propio o delegas ese criterio a la herramienta o, peor aún, a quien dice saber usarla mejor que tú.
Lo que yo soy, y lo que no soy
Tengo más de treinta años en el sector tecnológico. He trabajado en innovación, en docencia universitaria, en investigación aplicada. He producido una ópera pop con IA, he experimentado con agentes, he usado herramientas que controlan el ordenador de forma autónoma, he construido cosas que hace dos años no podía imaginar que podría construir solo. He leído mucho. He pensado más. Me he equivocado bastante.
Soy alguien que lleva tiempo prestando atención, que ha usado mucho (no jugado) con estas herramientas, que ha cometido errores instructivos y que intenta pensar en voz alta desde este puente sobre lo que ve. Eso es lo que hago aquí. No más.
Lo digo porque creo que hay algo valioso en ese reconocimiento. No es modestia performativa. Es que en un campo que cambia tan rápido, donde los modelos de hace seis meses ya son historia, donde los investigadores de verdad — los que publican papers, los que construyen los sistemas desde dentro — reconocen públicamente que hay aspectos fundamentales que no entienden del todo… llamarse experto no es ambición. Es un síntoma.
La próxima vez que alguien te ofrezca su expertise en IA, fíjate en si es capaz de decirte con la misma convicción qué es lo que no sabe. Si puede hacerlo, escúchale. Si no puede, sigue buscando.
InteligenciaArtificial #IA #PensamientoCrítico #TransformaciónDigital #Liderazgo #Ética #Innovación #Productividad #Tecnología